Diseño de Experimentos

Diseño de Experimentos
Isabel Casas
Despacho: 10.0.04
[email protected]
Hector Cañada
[email protected]
Diseño de Experimentos – p.
Introducción
Los modelos que vamos a estudiar son usados para
averiguar si una o más variables o factores afectan
nuestra variable de interés. Ejemplos donde esta
disciplina puede ser utilizada son:
prever el contenido de partículas en el aire en
función de la densidad de tráfico, la hora del día y
las condiciones meteorológicas.
estudiar la influencia del tipo de pila eléctrica y de la
marca en la duración de las pilas.
determinar como depende la duración de una
depresión de variables personales y sociales.
determinar la organización de los productos de un
supermercado para mejorar las ventas.
Diseño de Experimentos – p.
Introducción
Si se repite un experimento, en condiciones
indistinguibles, los resultados presentan variabilidad.
Si la experimentación se realiza en un laboratorio
donde la mayoría de las causas de variabilidad están
muy controladas.
Pero si se experimenta en procesos industriales,
administrativos, ... la variabilidad es grande en la
mayoría de los casos.
El objetivo del diseño de experimentos es estudiar si
utilizar un determinado tratamiento produce una
mejora en el proceso o no.
Diseño de Experimentos – p.
Introducción
La metodología del Diseño de Experimentos estudia
cómo variar las condiciones habituales de
realización de un proceso empírico para aumentar la
probabilidad de detectar cambios significativos en la
respuesta.
Para que la metodología de diseño de experimentos
sea eficaz es fundamental que el experimento esté
bien diseñado.
Diseño de Experimentos – p.
Por qué un experimento?
Determinar las principales causas de variación en la
respuesta.
Encontrar las condiciones experimentales con las
que se consigue un valor extremo en la variable de
interés o respuesta.
Comparar las respuestas en diferentes niveles de
observación de variables controladas.
Obtener un modelo estadístico-matemático que
permita hacer predicciones de respuestas futuras.
Diseño de Experimentos – p.
Por qué un experimento?
No siempre es posible el tener datos históricos y aunque
los tuviesemos estos tienen ciertas desventajas:
Inconsistencia de los datos: cambios de personas,
mejoras del personal por procesos de aprendizaje,
motivación, cambios en las máquinas.
Variables con fuerte correlación. Puede ocurrir
que en el proceso existan dos o más variables
altamente correlacionadas que pueden llevar a
situaciones confusas. Puede haber confusión en los
efectos, o problemas con una variable oculta.
El rango de las variables controladas es limitado.
Diseño de Experimentos – p.
Tipos de variabilidad
Uno de los principales objetivos de los modelos de
diseño de experimentos, es controlar la variabilidad. Los
resultados de cualquier experimento están sometidos a
tres tipos de variabilidad:
Variabilidad sistemática y planificada
Variabilidad tı́pica de la naturaleza del problema
y del experimento
Variabilidad sistemática y no planificada
Diseño de Experimentos – p.
Variabilidad sistemática planificada
Originada por las distintas condiciones
experimentales impuestas en el diseño por expreso
deseo del experimentador.
Cuando este tipo de variabilidad está presente y tiene
un tamaño importante, se espera que las respuestas
tiendan a agruparse formando grupos (clusters).
Es deseable que exista esta variabilidad y que sea
identificada y cuantificada por el modelo.
Diseño de Experimentos – p.
Variabilidad típica de la naturaleza y el
experimento
Ruido aleatorio que contine el error de medida. Es
una variabilidad impredecible e inevitable.
Differencia entre diferentes medidas de un mismo
objeto.
Existe un patron de comportamiento, todas las
medidas tienen a fluctuar en torno a un valor central
y siguiendo un modelo probabilístico que podemos
estimar.
Es una variabilidad que va a estar siempre presente
pero que es tolerable.
Diseño de Experimentos – p.
Variabilidad sistemática no planificada
Debida a causas desconocidas y no planificadas. En
otras palabras, los resultados están siendo sesgados
sistemáticamente por causas desconocidas.
La presencia de esta variabilidad supone la principal
causa de conclusiones erróneas y estudios
incorrectos al ajustar un modelo estadístico.
Existen dos estrategias básicas para tratar de evitar
la presencia de este tipo de varibilidad: la
aleatorización y la técnica de bloques.
Diseño de Experimentos – p. 1
Contra la variabilidad
Para controlar la variabilidad existen tres técnicas:
Replicados
Aleatorización
Formación de bloques
Diseño de Experimentos – p. 1
Planificación de un experimento
La forma tradicional que se utilizaba en la
experimentación se basaba en estudiar los factores uno a
uno. Los inconvenientes de esta metodología son:
Es necesario un gran número de pruebas.
Las conclusiones obtenidas en el estudio de cada
factor tiene un campo de validez muy restringido.
No es posible estudiar la existencia de interacción
entre los factores.
Es inviable, en muchos casos, por problemas de
tiempo o costo.
Las técnicas de diseño de experimentos estudian
simultáneamente los efectos de todos los factores de
interés. Mayor eficacía y con mejores resultados.
Diseño de Experimentos – p. 1
Etapas de un problema de diseño de experimentos
1. Definir los objetivos del experimento.
2. Identificar todas las posibles fuentes de variación
3. Elegir las unidades experimentales en relación con
las condiciones de estudio.
4. Especificar las medidas de la respuesta, el
procedimiento experimental y anticiparse a las
posibles dificultades.
5. Ejecutar un experimento piloto.
6. Especificar el modelo.
7. Esquematizar los pasos del análisis.
8. Determinar el tamaño muestral.
9. Revisar las decisiones anteriores.
Diseño de Experimentos – p. 1
1. Definir los objetivos del experimento
Definir las preguntas concretas y objetivos.
Esquematizar el tipo de respuestas que se esperan
obtener
Esta lista se puede refinar según avanza el
experimento.
Diseño de Experimentos – p. 1
2. Fuentes de variación
Una fuente de variación es cualquier causa que pueda
generar variabilidad en la respuesta. Es recomendable
hacer una lista de todas las posibles fuentes de variación
del problema, distinguiendo las que generarán una mayor
variabilidad. Se distinguen dos tipos:
Factores tratamiento: son aquellas fuentes cuyo
efecto sobre la respuesta es de particular interés para
el experimentador.
Factores ŞnuisanceŤ: son aquellas fuentes que no
son de interés directo pero que se contemplan en el
diseño para reducir la variabilidad no planificada.
Diseño de Experimentos – p. 1
2. Fuentes de variación: Factores
Factores y sus niveles. Se denomina factor
tratamiento a cualquier variable de interés para el
experimentador cuyo posible efecto sobre la
respuesta se quiere estudiar.
Los niveles de un factor tratamiento son los tipos o
grados específicos del factor que se tendrán en
cuenta en la realización del experimento.
Los factores tratamiento pueden ser cualitativos o
cuantitativos.
En el tratamiento matemático de los modelos de
diseño de experimento los factores cuantitativos son
tratados como cualitativos y sus niveles son elegidos
equiespaciados o se codifican.
Diseño de Experimentos – p. 1
2. Fuentes de variación: Definiciones
Cuando en un experimento se trabaja con más de un
factor, se denomina:
Tratamiento a cada una de las combinaciones de
niveles de los distintos factores.
Observación es una medida en las condiciones
determinadas por uno de los tratamientos.
Experimento factorial es el diseño de experimentos
en que existen observaciones de todos los posibles
tratamientos.
Diseño de Experimentos – p. 1
2. Fuentes de variación: Unidades experimentales
Son el material donde evaluar la variable respuesta y al
que se le aplican los distintos niveles de los factores
tratamiento:
- en informática, ordenadores, páginas web,
buscadores de internet,
- en medicina, individuos humanos u animales,
- en industria, lotes de material, trabajadores,
máquinas.
Las unidades experimentales tienen que ser
representativas de la población de la respuesta. Por
ejemplo si el estudio es sobre estudiantes universitarios,
las conclusiones no se puede extrapolar a todo el país.
Diseño de Experimentos – p. 1
2.
Fuentes de variación:
"nuisance"- bloque
Factores
Además de los factores tratamiento, también influyen
otros factores, de escaso interés en el estudio. Para
controlar su influencia se crean nuevos factores:
Factor bloque. En algunos casos el factor nuisance
puede ser fijado en distintos niveles, de modo que es
posible controlar su efecto a esos niveles. Entonces
la forma de actuar es mantener constante el nivel del
factor para un grupo de unidades experimentales, se
cambia a otro nivel para otro grupo y así
sucesivamente. Estos factores se denominan factores
de bloqueo (factores-bloque) y las unidades
experimentales evaluadas en un mismo nivel del
bloqueo se dice que pertenecen al mismo bloque.
Diseño de Experimentos – p. 1
2.
Fuentes de variación: Factores
"nuisance"- factores ruido y covariables
Ruido. Si el experimentador está interesado en la
variabilidad de la respuesta cuando se modifican las
condiciones experimentales, entonces los factores
nuisance son incluidos deliberadamente en el
experimento y no se aisla su efecto por medio de
bloques. Se habla entonces de factores ruido.
Diseño de Experimentos – p. 2
2.
Fuentes de variación:
"nuisance"- covariables
Factores
Covariable. Si el factor nuisance es una propiedad
cuantitativa de las unidades experimentales que
puede ser medida antes de realizar el experimento
(el tamaño de un fichero informático, la presión
sanguínea de un paciente en un experimento médico
o la acidez de una parcela de tierra en un
experimento agrícola). El factor se denomina
covariable y juega un papel importante en el análisis
estadístico.
Diseño de Experimentos – p. 2
3. Unidades experimentales
La regla de asignación o diseño experimental especifica
que unidades experimentales se observarán bajo cada
tratamiento. Hay diferentes posibilidades:
diseño factorial o no,
anidamiento,
asignación al azar en determinados niveles de
observación,
el orden de asignación, etc.
En la práctica, existen una serie de diseños estándar que
se utilizan en la mayoría de los casos.
Diseño de Experimentos – p. 2